基于主成分分析法的浰河水质评价
合集下载
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
4. 结果与分析
4.1. 综合水质评价函数
通过主成分分析得到综合水质评价函数。运用 SPSS 软件，将各项水质指标进行标准化处理，提取 相关系数矩阵(表 2)，并求得各个指标解释的总方差、累计贡献率(表 3)、碎石图(图 1)及初始因子荷载(成 分)矩阵(表 4)。主成分荷载矩阵需用初始因子荷载矩阵中相关数据除以主成分相对应特征值的平方根， 求出 3 个主成分中每个指标对应的系数，得到相应的主成分荷载矩阵(表 5)。
3. 研究方法
主成分分析法是利用降维思想，把多指标变量转化为少数几个综合指标的多元统计分析方法，且这
DOI: 10.12677/aep.2019.91009
59
环境保护前沿
刘刚 等
少数几个综合指标可以反映原来多个变量的大部分信息。本研究使用 SPSS 软件由湖北荆环环保工程技 术有限公司提供，对 13 项浰河水质监测因子和流量进行主成分分析，得到综合水质评价函数；依据此评 价函数计算结果，比较不同月份的水质情况，准确地掌握不同月份水体受污染的程度[15]。其分析步骤如 下：
由于地区差异而形成的水污染的特点不同，导致污染因子权重的确定各异，分析方法权重值的选取 主观性较强，评价的结果不便于与其它地区水质状况进行比较，因而也不能准确反应本地的相对污染状 态。主成分分析方法是一种成功的因子降维和数据压缩的统计学方法[13] [14]，它将收集到的河流水质监 测数据，在确保不损失原有主要信息的前提下，用较少的具有代表性的主因子来概括多种水质要素所反 映的水质信息，达到找出影响其河流水质的主要污染因子，并识别污染物来源及其成因，为进行环境综 合整治提供技术支持。本文使用 IBM SPSS Advanced Statistics 20.0 软件对浰河入汉江口 2017 年监测数据 进行主成分分析，并对水质进行评价。
1) 对原始指标进行标准化处理，以消除数据之间量纲的影响； 2) 求标准化数据的相关关系矩阵； 3) 求相关系数的特征值、特征向量和方差贡献率； 4) 计算主成分贡献率及累计贡献率，确定主成分个数，一般要求前 n 个主成分的累计解释方差占总 方差的 85%以上即可； 5) 选择 n 个主成分，计算相应的特征向量，求主成分分析的得分； 6) 计算主成分载荷得到综合函数并用其评判水质。
Table 1. Routine monitoring data of water quality from Lihe river into Hanjiang river in 2017 表 1. 浰河入汉江口监测断面 2017 年常规监测数据
月份 流量 (m³/s)
pH
水温 电导率 溶解氧 CODMn BOD 氨氮 石油类 六价铬 COD 总氮 总磷 氟化物 (℃) (ms/m) (mg/L) (mg/L) (mg/L) (mg/L) (mg/L) (mg/L) (mg/L) (mg/L) (mg/L) (mg/L)
ቤተ መጻሕፍቲ ባይዱ 关键词
浰河，主成分分析，水质评价
刘刚 等
Copyright © 2019 by author(s) and Hans Publishers Inc. This work is licensed under the Creative Commons Attribution International License (CC BY). http://creativecommons.org/licenses/by/4.0/
电导率 −0.389 −0.041 1.000 −0.740 0.579 −0.280 −0.470 0.540 −0.069 −0.477 −0.061 −0.083 −0.071 −0.047
溶解氧 CODMn BOD5 氨氮 石油类 COD 总氮 总磷 氟化物 六价铬 −0.630 0.464 −0.573 −0.530 −0.611 0.339 −0.403 −0.455 −0.211 −0.730 −0.645 0.908 0.037 −0.394 −0.675 0.647 0.237 0.620 0.595 −0.792 0.579 −0.280 −0.470 0.540 −0.069 −0.477 −0.061 −0.083 −0.071 −0.047 −0.962 0.799 0.204 −0.806 −0.491 0.896 −0.098 0.266 0.308 −0.508 1.000 −0.809 0.021 0.832 0.657 −0.923 0.315 −0.122 −0.197 0.621 −0.809 1.000 −0.004 −0.728 −0.568 0.828 0.129 0.448 0.655 −0.779 0.021 −0.004 1.000 0.072 0.482 0.144 0.619 0.733 0.419 0.529 0.832 −0.728 0.072 1.000 0.272 −0.879 0.275 0.037 −0.377 0.421 0.657 −0.568 0.482 0.272 1.000 −0.466 0.456 0.037 0.163 0.842 −0.923 0.828 0.144 −0.879 −0.466 1.000 −0.204 0.299 0.436 −0.458 0.315 0.129 0.619 0.275 0.456 −0.204 1.000 0.745 0.688 0.136 −0.122 0.448 0.733 0.037 0.037 0.299 0.745 1.000 0.747 −0.040 −0.197 0.655 0.419 −0.377 0.163 0.436 0.688 0.747 1.000 −0.207 0.621 −0.779 0.529 0.421 0.842 −0.458 0.136 −0.040 −0.207 1.000
Principal Component Analysis of Water Quality in Lihe River
Gang Liu1, Hui Wu1, Zaiping Liu2, Yanxi Li1, Jingsha Song1
1Jingmen Academy of Environmental Sciences, Jingmen Hubei 2Hubei Jinghuan Environmental Protection Engineering Technology Co., Ltd., Jingmen Hubei
1
19
7.5 11 106 9.84 2.53 1.18 0.839 0.025 0.015 9.94 3.254 0.784 0.63
3 20.1 7.65 17 65.8 9.15 2.75 2.08 1.038 0.025 0.016 10.1 6.07 2.41 0.67
5 28.1 7.8 22 56.7 7.87 4.5 2.02 0.3 0.028 0.014 20 6.66 2.59 1.54
2. 数据来源
浰河是汉江的主要支流之一，流经荆门市东宝区、钟祥市，长约 184 公里，控制流域面积 1140 平方 公里，主要界于北纬 30˚09'07''~30˚27'36''、东经 112˚00'17''~112˚24'45''。浰河入汉江口监测断面执行《地 表水环境质量标准》(GB3838-2002) III 类标准，本文选取该监测点 2017 年常规监测数据中的 pH、电导 率、水温、氨氮、溶解氧、高锰酸钾指数、生化需氧量、石油类、化学需氧量、总磷、总氮、氟化物、 六价铬等 13 项指标以及浰河水文站(陈安站)的流量数据作为数据源，见下表 1。
Keywords
Lihe River, Community Structure, Cluster Analysis
基于主成分分析法的浰河水质评价
刘 刚1，吴 辉1，刘在平2，李妍羲1，宋荆沙1
1荆门市环境科学研究院，湖北 荆门 2湖北荆环环保工程技术有限公司，湖北 荆门
收稿日期：2019年1月30日；录用日期：2019年2月18日；发布日期：2019年2月25日
Table 2. Correlation coefficient matrix 表 2. 相关系数矩阵
流量 pH 电导率 水温 溶解氧 CODMn BOD5 氨氮 石油类 COD 总氮 总磷 氟化物 六价铬
水温 流量 pH 0.558 1.000 0.287 0.624 0.287 1.000 −0.740 −0.389 −0.041 1.000 0.558 0.624 −0.962 −0.630 −0.645 0.799 0.464 0.908 0.204 −0.573 0.037 −0.806 −0.530 −0.394 −0.491 −0.611 −0.675 0.896 0.339 0.647 −0.098 −0.403 0.237 0.266 −0.455 0.620 0.308 −0.211 0.595 −0.508 −0.730 −0.792
Advances in Environmental Protection 环境保护前沿, 2019, 9(1), 58-63 Published Online February 2019 in Hans. http://www.hanspub.org/journal/aep https://doi.org/10.12677/aep.2019.91009
7 37.1 7.9 26
60
6.1
4.5 1.77 0.27 0.019 0.012 26 2.46 2.03 0.82
9
80
7.7 23 54.3
7
4
1.1 0.36 0.02 0.009 17 2.81 0.29 0.51
11
26
7.2 18
47
8.7
2
1.9 0.54 0.03 0.021 14 2.96 0.48 0.4
Open Access
1. 引言
水环境是人类赖以生存的重要环境要素之一。随着我国经济社会的高速发展，水环境污染已成为严 重制约我国经济社会可持续发展和危害人们身体健康的重要因素。因此，如何合理、客观地描述水质现 状，对水质污染程度进行准确评价已成为环境研究领域的一个热点和难点问题。目前，国内外主要的水 质评价方法有污染指数法[1] [2]、模糊评价法[3]、神经网络评价法[4] [5]、灰色评价法[6]、物元评价法[7] [8]、地理信息系统评价法[9]及主成分分析法[10] [11] [12]等。
摘要
依据浰河入汉江口2017年常规监测数据，选取BOD5、CODMn、NH3-N、TP、TN、DO等13种水质指标， 基于主成分分析法对浰河的水质情况进行综合评价。结果表明，1月份水质较好，7月份水质较差，生活 源、河道底泥、工业废水是造成浰河水质污染的主要原因。
文章引用: 刘刚, 吴辉, 刘在平, 李妍羲, 宋荆沙. 基于主成分分析法的浰河水质评价[J]. 环境保护前沿, 2019, 9(1): 58-63. DOI: 10.12677/aep.2019.91009
Received: Jan. 30th, 2019; accepted: Feb. 18th, 2019; published: Feb. 25th, 2019
Abstract
Principal components analysis (PCA) was applied to assess the water quality at the end of the Lihe River in 2017, based on the monitoring data of 13 indicators of BOD5, CODMn, NH3-N, TP, TN, DO, pH, etc. The result showed that the water pollution score was the highest in July and lowest in January; Domestic pollution, river sediment and industrial waste water are the main causes of water pollution in the river.
4.1. 综合水质评价函数
通过主成分分析得到综合水质评价函数。运用 SPSS 软件，将各项水质指标进行标准化处理，提取 相关系数矩阵(表 2)，并求得各个指标解释的总方差、累计贡献率(表 3)、碎石图(图 1)及初始因子荷载(成 分)矩阵(表 4)。主成分荷载矩阵需用初始因子荷载矩阵中相关数据除以主成分相对应特征值的平方根， 求出 3 个主成分中每个指标对应的系数，得到相应的主成分荷载矩阵(表 5)。
3. 研究方法
主成分分析法是利用降维思想，把多指标变量转化为少数几个综合指标的多元统计分析方法，且这
DOI: 10.12677/aep.2019.91009
59
环境保护前沿
刘刚 等
少数几个综合指标可以反映原来多个变量的大部分信息。本研究使用 SPSS 软件由湖北荆环环保工程技 术有限公司提供，对 13 项浰河水质监测因子和流量进行主成分分析，得到综合水质评价函数；依据此评 价函数计算结果，比较不同月份的水质情况，准确地掌握不同月份水体受污染的程度[15]。其分析步骤如 下：
由于地区差异而形成的水污染的特点不同，导致污染因子权重的确定各异，分析方法权重值的选取 主观性较强，评价的结果不便于与其它地区水质状况进行比较，因而也不能准确反应本地的相对污染状 态。主成分分析方法是一种成功的因子降维和数据压缩的统计学方法[13] [14]，它将收集到的河流水质监 测数据，在确保不损失原有主要信息的前提下，用较少的具有代表性的主因子来概括多种水质要素所反 映的水质信息，达到找出影响其河流水质的主要污染因子，并识别污染物来源及其成因，为进行环境综 合整治提供技术支持。本文使用 IBM SPSS Advanced Statistics 20.0 软件对浰河入汉江口 2017 年监测数据 进行主成分分析，并对水质进行评价。
1) 对原始指标进行标准化处理，以消除数据之间量纲的影响； 2) 求标准化数据的相关关系矩阵； 3) 求相关系数的特征值、特征向量和方差贡献率； 4) 计算主成分贡献率及累计贡献率，确定主成分个数，一般要求前 n 个主成分的累计解释方差占总 方差的 85%以上即可； 5) 选择 n 个主成分，计算相应的特征向量，求主成分分析的得分； 6) 计算主成分载荷得到综合函数并用其评判水质。
Table 1. Routine monitoring data of water quality from Lihe river into Hanjiang river in 2017 表 1. 浰河入汉江口监测断面 2017 年常规监测数据
月份 流量 (m³/s)
pH
水温 电导率 溶解氧 CODMn BOD 氨氮 石油类 六价铬 COD 总氮 总磷 氟化物 (℃) (ms/m) (mg/L) (mg/L) (mg/L) (mg/L) (mg/L) (mg/L) (mg/L) (mg/L) (mg/L) (mg/L)
ቤተ መጻሕፍቲ ባይዱ 关键词
浰河，主成分分析，水质评价
刘刚 等
Copyright © 2019 by author(s) and Hans Publishers Inc. This work is licensed under the Creative Commons Attribution International License (CC BY). http://creativecommons.org/licenses/by/4.0/
电导率 −0.389 −0.041 1.000 −0.740 0.579 −0.280 −0.470 0.540 −0.069 −0.477 −0.061 −0.083 −0.071 −0.047
溶解氧 CODMn BOD5 氨氮 石油类 COD 总氮 总磷 氟化物 六价铬 −0.630 0.464 −0.573 −0.530 −0.611 0.339 −0.403 −0.455 −0.211 −0.730 −0.645 0.908 0.037 −0.394 −0.675 0.647 0.237 0.620 0.595 −0.792 0.579 −0.280 −0.470 0.540 −0.069 −0.477 −0.061 −0.083 −0.071 −0.047 −0.962 0.799 0.204 −0.806 −0.491 0.896 −0.098 0.266 0.308 −0.508 1.000 −0.809 0.021 0.832 0.657 −0.923 0.315 −0.122 −0.197 0.621 −0.809 1.000 −0.004 −0.728 −0.568 0.828 0.129 0.448 0.655 −0.779 0.021 −0.004 1.000 0.072 0.482 0.144 0.619 0.733 0.419 0.529 0.832 −0.728 0.072 1.000 0.272 −0.879 0.275 0.037 −0.377 0.421 0.657 −0.568 0.482 0.272 1.000 −0.466 0.456 0.037 0.163 0.842 −0.923 0.828 0.144 −0.879 −0.466 1.000 −0.204 0.299 0.436 −0.458 0.315 0.129 0.619 0.275 0.456 −0.204 1.000 0.745 0.688 0.136 −0.122 0.448 0.733 0.037 0.037 0.299 0.745 1.000 0.747 −0.040 −0.197 0.655 0.419 −0.377 0.163 0.436 0.688 0.747 1.000 −0.207 0.621 −0.779 0.529 0.421 0.842 −0.458 0.136 −0.040 −0.207 1.000
Principal Component Analysis of Water Quality in Lihe River
Gang Liu1, Hui Wu1, Zaiping Liu2, Yanxi Li1, Jingsha Song1
1Jingmen Academy of Environmental Sciences, Jingmen Hubei 2Hubei Jinghuan Environmental Protection Engineering Technology Co., Ltd., Jingmen Hubei
1
19
7.5 11 106 9.84 2.53 1.18 0.839 0.025 0.015 9.94 3.254 0.784 0.63
3 20.1 7.65 17 65.8 9.15 2.75 2.08 1.038 0.025 0.016 10.1 6.07 2.41 0.67
5 28.1 7.8 22 56.7 7.87 4.5 2.02 0.3 0.028 0.014 20 6.66 2.59 1.54
2. 数据来源
浰河是汉江的主要支流之一，流经荆门市东宝区、钟祥市，长约 184 公里，控制流域面积 1140 平方 公里，主要界于北纬 30˚09'07''~30˚27'36''、东经 112˚00'17''~112˚24'45''。浰河入汉江口监测断面执行《地 表水环境质量标准》(GB3838-2002) III 类标准，本文选取该监测点 2017 年常规监测数据中的 pH、电导 率、水温、氨氮、溶解氧、高锰酸钾指数、生化需氧量、石油类、化学需氧量、总磷、总氮、氟化物、 六价铬等 13 项指标以及浰河水文站(陈安站)的流量数据作为数据源，见下表 1。
Keywords
Lihe River, Community Structure, Cluster Analysis
基于主成分分析法的浰河水质评价
刘 刚1，吴 辉1，刘在平2，李妍羲1，宋荆沙1
1荆门市环境科学研究院，湖北 荆门 2湖北荆环环保工程技术有限公司，湖北 荆门
收稿日期：2019年1月30日；录用日期：2019年2月18日；发布日期：2019年2月25日
Table 2. Correlation coefficient matrix 表 2. 相关系数矩阵
流量 pH 电导率 水温 溶解氧 CODMn BOD5 氨氮 石油类 COD 总氮 总磷 氟化物 六价铬
水温 流量 pH 0.558 1.000 0.287 0.624 0.287 1.000 −0.740 −0.389 −0.041 1.000 0.558 0.624 −0.962 −0.630 −0.645 0.799 0.464 0.908 0.204 −0.573 0.037 −0.806 −0.530 −0.394 −0.491 −0.611 −0.675 0.896 0.339 0.647 −0.098 −0.403 0.237 0.266 −0.455 0.620 0.308 −0.211 0.595 −0.508 −0.730 −0.792
Advances in Environmental Protection 环境保护前沿, 2019, 9(1), 58-63 Published Online February 2019 in Hans. http://www.hanspub.org/journal/aep https://doi.org/10.12677/aep.2019.91009
7 37.1 7.9 26
60
6.1
4.5 1.77 0.27 0.019 0.012 26 2.46 2.03 0.82
9
80
7.7 23 54.3
7
4
1.1 0.36 0.02 0.009 17 2.81 0.29 0.51
11
26
7.2 18
47
8.7
2
1.9 0.54 0.03 0.021 14 2.96 0.48 0.4
Open Access
1. 引言
水环境是人类赖以生存的重要环境要素之一。随着我国经济社会的高速发展，水环境污染已成为严 重制约我国经济社会可持续发展和危害人们身体健康的重要因素。因此，如何合理、客观地描述水质现 状，对水质污染程度进行准确评价已成为环境研究领域的一个热点和难点问题。目前，国内外主要的水 质评价方法有污染指数法[1] [2]、模糊评价法[3]、神经网络评价法[4] [5]、灰色评价法[6]、物元评价法[7] [8]、地理信息系统评价法[9]及主成分分析法[10] [11] [12]等。
摘要
依据浰河入汉江口2017年常规监测数据，选取BOD5、CODMn、NH3-N、TP、TN、DO等13种水质指标， 基于主成分分析法对浰河的水质情况进行综合评价。结果表明，1月份水质较好，7月份水质较差，生活 源、河道底泥、工业废水是造成浰河水质污染的主要原因。
文章引用: 刘刚, 吴辉, 刘在平, 李妍羲, 宋荆沙. 基于主成分分析法的浰河水质评价[J]. 环境保护前沿, 2019, 9(1): 58-63. DOI: 10.12677/aep.2019.91009
Received: Jan. 30th, 2019; accepted: Feb. 18th, 2019; published: Feb. 25th, 2019
Abstract
Principal components analysis (PCA) was applied to assess the water quality at the end of the Lihe River in 2017, based on the monitoring data of 13 indicators of BOD5, CODMn, NH3-N, TP, TN, DO, pH, etc. The result showed that the water pollution score was the highest in July and lowest in January; Domestic pollution, river sediment and industrial waste water are the main causes of water pollution in the river.